No tutorial passo a passo · Módulo 3

Registrar o escopo e rodar o pipeline

Você terá um banco DuckDB populado, com duplicatas removidas, autores desambiguados e citações vinculadas.

Os dois erros simétricos

Fragmentação — a mesma pessoa dividida em várias entidades, porque assinou de formas diferentes ao longo da carreira. Efeito: ninguém parece central, e grupos de pesquisa reais somem do mapa.
Colisão — pessoas diferentes fundidas em uma só, típico de sobrenomes comuns abreviados. Efeito: surge um pesquisador improvavelmente prolífico, atuando em áreas que não conversam entre si.

Atenção

Toda regra de desambiguação é uma escolha entre esses dois riscos. Não existe configuração que elimine ambos.

Autores

A consolidação de autores parte da normalização das grafias e usa os coautores, as afiliações, as palavras-chave e o período de atividade como evidência adicional.

Variantes tipicamente unificadas

Silva, A.B.
Silva, A. B.
Silva, Antonio B.
SILVA, ANTONIO BARBOSA
da Silva, Antonio Barbosa

Quando um identificador persistente estiver presente na exportação — ORCID, por exemplo — ele tem precedência sobre a heurística de nomes. É a razão para exportar os campos de identificadores mesmo quando parecem irrelevantes.

Sobrenomes muito frequentes

Em corpora com forte presença de autores chineses, coreanos ou lusófonos, a combinação de sobrenome comum e inicial única produz colisões com facilidade. Nesses casos, revise manualmente os autores mais centrais antes de publicar qualquer ranking.

Instituições e afiliações

Afiliações são o campo mais irregular de qualquer base: variam por idioma, por acrônimo, por departamento e por reestruturação administrativa. O pipeline resolve acrônimos conhecidos, consolida departamentos sob a organização-mãe e agrupa grafias em idiomas diferentes.

Exemplo de consolidação

Univ. of São Paulo, Dept. of Chemistry
Universidade de São Paulo - Instituto de Química
USP, Sao Paulo, Brazil
  → Universidade de São Paulo

Uma decisão precisa ser tomada por você: quando um centro de pesquisa vinculado deve contar como parte da organização-mãe e quando deve ser tratado como entidade autônoma. As duas respostas são defensáveis; o que não é defensável é alternar entre elas dentro da mesma análise.

Revisão manual orientada ao impacto

A desambiguação automática cobre a maior parte do volume do corpus, e a revisão manual deve ser dirigida às entidades centrais. Na prática, revisar as vinte ou trinta entidades mais frequentes resolve a maior parte do impacto visual nos grafos, pois são elas que estruturam os nós de maior densidade e centralidade.

Revise onde a relevância é alta

Ao gerar relatórios e mapas de coautoria ou redes institucionais, certifique-se de validar a unificação dos principais pesquisadores e organizações líderes do seu campo temático.

Efeito nas análises seguintes

Alterar as regras de desambiguação muda as redes de coautoria, os rankings de produtividade, o agrupamento de comunidades e a leitura de concentração de portfólio. Sempre que reajustar as regras, reexecute as análises já geradas — o corpus é a base de tudo, como descrito em Conceitos fundamentais.